2024年2月5日
碎碎念 | 20230126 · 我已被“贪嗔痴”的“痴”折磨将近二十年
摘要： 对于美丽的人和事物，美丽的感念与此刻，便只希望它能永远存在下去；如果可能的话，请永远停留在这里吧。 阅读全文
posted @ 2024-02-05 22:24 MoonOut 阅读(3) 评论(1) 推荐(0) 编辑
offline 2 online | AWAC：基于 AWR 的 policy update + online 补充数据集
摘要： 采用 policy iteration 框架，① policy evaluation 普通更新 Q function，② policy update 使用 AWR 式更新，③ 前两步的采样数据集都是 offline + online。 阅读全文
posted @ 2024-02-05 21:50 MoonOut 阅读(165) 评论(0) 推荐(1) 编辑